К содержимому
Изображения

Real-ESRGAN (ONNX)

экспорт официальных весов для браузера

2 мин чтенияобновлено

Репозиторий содержит готовые ONNX-версии весов официальной модели Real-ESRGAN, адаптированные для запуска в браузере через ONNX Runtime Web или Transformers.js (библиотеку для работы с моделями в веб-среде). Набор включает в себя модели для общих фотографий (в том числе с шумоподавлением), максимального качества и аниме-иллюстраций. Инструмент будет полезен веб-разработчикам и энтузиастам, создающим клиентские приложения для апскейла изображений на клиентской стороне.

Ключевые особенности

  • Экспорт в формат ONNX (Opset 17) на основе архитектур SRVGGNetCompact и RRDBNet.
  • Четыре варианта весов: для общих фото, с шумоподавлением (wdn), максимального качества (x4plus) и для аниме.
  • Доступны версии с половинной точностью (_fp16) для оптимизации производительности.
  • Полная совместимость с запуском через Transformers.js и ONNX Runtime Web.

Что можно сделать

  • Интегрировать качественный апскейлер изображений в веб-приложение или браузерное расширение.
  • Запустить увеличение разрешения аниме-иллюстраций и артов прямо на клиентском устройстве.
  • Провести быструю обработку обычных фотографий с опциональным шумоподавлением без отправки данных на сервер.

Пример

Модель принимает на вход тензор формата [1, 3, H, W] с RGB-значениями в диапазоне от 0 до 1 и возвращает увеличенное в 4 раза изображение [1, 3, 4H, 4W]. Файлы с суффиксом _fp16 используют вычисления в полум точности, сохраняя формат ввода и вывода в float32.

ПодробнееФормат: ONNX (Opset 17)
Лицензия: BSD-3-Clause
Доступные варианты: realesr-general-x4v3, realesr-general-wdn-x4v3, RealESRGAN_x4plus, RealESRGAN_x4plus_anime_6B
Точность: проверено относительно PyTorch, максимальная абсолютная разница 3.3e-5 для fp32 и 7.8e-3 для fp16
Обсудить Telegram 0

Запустится ли?

Запустится в FP16

Влезает без сжатия.

  • FP16веса 0.0 GB · готовые файлы1.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB1.5 GB
  • 4-bitвеса 0.0 GB1.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · FP16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # thisismert/real-esrgan-onnx
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download thisismert/real-esrgan-onnx --local-dir ~/models/real-esrgan-onnx
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к real-esrgan-onnx
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (3)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • Nunchaku (SVDQuant 4-bit)v1.2.1от 25 января 2026

    ≈3× быстрее и в 3.5× меньше памяти

    4-битные версии популярных моделей картинок почти без потери качества (FP4 на RTX 50).

    Как включить: Есть готовые веса для поддерживаемых моделей; в ComfyUI — ComfyUI-nunchaku.

  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии real-esrgan-onnx — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

thisismert/real-esrgan-onnx
Автор
thisismert
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Изображения

GlyphAnchor

GlyphAnchor